%忘记面孔的Batou
%I thought what I'd do was I'd pretend I was one of those deaf-mutes, or should I?
clear all;
%定义全局参数,方便函数调用
global Gwidth Gheight N_act targetxy gamma;
%网格迷宫参数
Gwidth=60;
Gheight=35;
N_act=4;
%风速初始化
Windyworld.windx=zeros(Gheight,Gwidth);
Windyworld.windy=zeros(Gheight,Gwidth);
Windyworld.windy(:,6:9)=Windyworld.windy(:,6:9)+1; %%Windyworld.windy(:,7:8)=Windyworld.windy(:,7:8)+1;
targetxy=[10,14]; %!!注意:第一个坐标为y坐标,第二个坐标为x坐标
startxy=[1,4];
step=1;
%时间设置:观察期,训练期
T_obs=500;
T_train=10000;
T_episode=200;
%DQN神经网络初始化
QNet_eval=fitnet([40,40]);
Iniset=zeros(4,400); %前三行为输入,最后一行为目标输出
for i=1:40
Iniset(1,i)=unidrnd(Gheight);
Iniset(2,i)=unidrnd(Gwidth);
Iniset(3,i)=unidrnd(N_act);
if Iniset(3,i)==1
Iniset(4,i)=0.2;
else if Iniset(3,i)==2
Iniset(4,i)=-0.2;
end
%}
end
end
clear i;
QNet_eval=train(QNet_eval,Iniset(1:3,:),Iniset(4,:));
QNet_target=QNet_eval;
%将神经网络训练算法设置为自适应动量梯度下降法
QNet_eval.trainFcn='traingdx';
%关闭训练图窗nntraintool
QNet_eval.trainParam.showWindow=0;
%Replaymemory初始化:
S_memo=8000;
Rmemo=zeros(5,S_memo); %1:2:rolexy,3:act,4:5:nextxy
Memopointer=1; %Replay memory的写入指针
%学习参数初始化
gamma=0.99;
nBatch=400;
T_gap=400; %20,25,30
T_renew=3*T_gap;
%记录列表初始化
Successmark=zeros(1,T_obs+T_train);
AveSuccess=zeros(1,T_obs+T_train);
TotalSuccess=zeros(1,T_obs+T_train);
%动态绘图初始化
Plotset=zeros(2,1);
p = plot(Plotset(1,:),Plotset(2,:),...
'EraseMode','background','MarkerSize',5);
axis([0 T_obs+T_train 0 1]);
%观察期:此期间不更新Qnet,仅记录replay memory
for Ts=1:T_obs
rolexy=startxy;
%result(Ts).trace=zeros(40,3);
%result(Ts).trace(1,:)=([1,rolexy(1),rolexy(2)]);
for Tm=1:T_episode
%根据tcegreedy策略执行动作
[act,Q_now]=tcegreedy(Ts,rolexy,QNet_eval);
nextxy=movement(act,rolexy,Windyworld);
%Replaymemory记录+指针更新
Rmemo(:,Memopointer)=[rolexy';act;nextxy'];
Memopointer=PointerMove(Memopointer,S_memo);
%更新位置
step=step+1;
rolexy=nextxy;
%result(Ts).trace(Tm+1,:)=([Tm+1,rolexy(1),rolexy(2)]);
%判断是否跳出本episode
if rolexy(1)==targetxy(1)&&rolexy(2)==targetxy(2)
Successmark(Ts)=1;
break;
else if rolexy(1)<1||rolexy(1)>Gheight||rolexy(2)<1||rolexy(2)>Gwidth
break;
end
end
end
%数据记录
TotalSuccess(Ts)=sum(Successmark(1:Ts));
AveSuccess(Ts)=TotalSuccess(Ts)/Ts;
%动态绘图
% if mod(Ts,10)==0
% TempP=[Ts;AveSuccess(Ts)];
% Plotset=[Plotset,TempP];
% set(p,'XData',Plotset(1,:),'YData',Plotset(2,:));
% drawnow
% axis([0 T_obs+T_train 0 1]);
% end
end
%探索期
%探索期开始更新神经网络参数
Tnode1=1+T_obs;
Tnode2=T_obs+T_train;
%网络训练参数更新
for Ts=Tnode1:Tnode2
rolexy=startxy;
%result(Ts).trace=zeros(40,3);
%result(Ts).trace(1,:)=([1,rolexy(1),rolexy(2)]);
for Tm=1:T_episode
%根据tcegreedy策略执行动作
[act,Q_now]=tcegreedy(Ts,rolexy,QNet_eval);
nextxy=movement(act,rolexy,Windyworld);
%为提高效率,Q_target统一在训练神经网络时更新
%Replaymemory记录+指针更新
Rmemo(:,Memopointer)=[rolexy';act;nextxy'];
Memopointer=PointerMove(Memopointer,S_memo);
%更新位置
step=step+1;
rolexy=nextxy;
%result(Ts).trace(Tm+1,:)=([Tm+1,rolexy(1),rolexy(2)]);
%判断是否跳出本episode
if rolexy(1)==targetxy(1)&&rolexy(2)==targetxy(2)
Successmark(Ts)=1;
break;
else if rolexy(1)<1||rolexy(1)>Gheight||rolexy(2)<1||rolexy(2)>Gwidth
break;
end
end
%按照T-renew间隔更新估计Q_target的目标神经网络QNet_target
if mod(step,T_renew)==0
QNet_target=QNet_eval;
end
%按照T_gap的间隔训练估计Q_eval的评估神经网络QNet_eval
if mod(step,T_gap)==0
%1. 利用Rmemo生成训练数据级
Trainset=zeros(6,nBatch); %前五行与replaymemory一致,后一行为利用QNet_target计算得到的Q_target
i=1;
while i<=nBatch
num1=unidrnd(S_memo); %随机抽取ReplayMemory中的数据
if Rmemo(1,num1)>0
Trainset(1:5,i)=Rmemo(:,num1);
i=i+1;
end
end
%2. 计算Q_target
Trainset(6,:)=CalculationQtarget(Trainset(1:5,:),QNet_target);
%3. 训练QNet_eval
QNet_eval=train(QNet_eval,Trainset(1:3,:),Trainset(6,:));
end
end
%数据记录
TotalSuccess(Ts)=sum(Successmark(1:Ts));
AveSuccess(Ts)=TotalSuccess(Ts)/Ts;
% %动态绘图
% if mod(Ts,10)==0
% TempP=[Ts;AveSuccess(Ts)];
% Plotset=[Plotset,TempP];
% set(p,'XData',Plotset(1,:),'YData',Plotset(2,:));
% drawnow
% axis([0 T_obs+T_train 0 1]);
% end
end
没有合适的资源?快使用搜索试试~ 我知道了~
【路径规划】基于深度强化学习DQN实现路径规划问题附matlab代码.zip
共12个文件
m:7个
mat:4个
png:1个
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
5星 · 超过95%的资源 3 下载量 166 浏览量
2023-12-11
21:41:24
上传
评论 2
收藏 870KB ZIP 举报
温馨提示
1.版本:matlab2014/2019a/2021a,内含运行结果,不会运行可私信 2.附赠案例数据可直接运行matlab程序。 3.代码特点:参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象:计算机,电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。 5.作者介绍:某大厂资深算法工程师,从事Matlab算法仿真工作10年;擅长智能优化算法、神经网络预测、信号处理、元胞自动机等多种领域的算法仿真实验,更多仿真源码、数据集定制私信+。
资源推荐
资源详情
资源评论
收起资源包目录
【路径规划】基于深度强化学习DQN实现路径规划问题附matlab代码.zip (12个子文件)
【路径规划】基于深度强化学习DQN实现路径规划问题附matlab代码
DQNEstimator.m 3KB
dqn_rwd.png 10KB
DQN_simulationTime.mat 241B
DQN_reward.mat 3KB
DQN_WGW_Demo
PointerMove.m 157B
WGW_DQN_Demo.m 5KB
tcegreedy.m 513B
CalculationQtarget.m 1KB
movement.m 535B
DQN.m 4KB
DQN_weights.mat 825KB
DQN_iterationCount.mat 23KB
共 12 条
- 1
资源评论
- z157251138172024-04-29资源质量不错,和资源描述一致,内容详细,对我很有用。
- qq_416203732024-11-05资源很实用,内容详细,值得借鉴的内容很多,感谢分享。
- m0_602336792024-04-16这个资源内容超赞,对我来说很有价值,很实用,感谢大佬分享~
Matlab科研辅导帮
- 粉丝: 3w+
- 资源: 7810
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 免费,局域网,IP电话, SIP, VOIP, 视频通话,可与PC互通,手机版本, apk版本
- 自动驾驶业务未来:未来交通
- Linux防火墙的概述 包过滤的防火墙工作层次 netfileter firewalld
- STM32驱动CC1101代码与pdf
- ToolPlatform
- 某平台北京二手房数据.zip
- 通讯原理 的应用级开发 嵌入式
- 识别机械手sw17可编辑全套技术开发资料100%好用.zip
- 基于STM32F103C8T6的PS2遥控小车源码及接线(已调)
- (4891456)基于单片机交通灯系统
- (8814216)LIBSVM 超级详细入门经典
- (10412002)51单片机串口通信
- 石英管清洗机 氢氟酸适用(含工程图bomsw20可编辑)全套技术开发资料100%好用.zip
- (132417216)C++版本-贪吃蛇游戏
- 丢包测试小工具,可以长时间持续监控网络状态,并保存为带时间 戳的日志,方便运维分析
- (174151234)matlab矩阵位移法实现有限元求解
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功